ريكورسيف فلينت 40B-A2.5B: نموذج برمجة بُني ليكون سريعًا أولًا

الرقم الذي يحدد ما إذا كان Recursive Flint 40B-A2.5B يستحق مساحة القرص لديك ليس 54.9%. بل 2.5. يحمل أول نموذج برمجي مفتوح الأوزان من Recursive نحو 39.8 مليار معامل، ويُفعّل نحو 2.5 مليار منها لكل رمز يكتبه، وكل قرار آخر تقريبًا في الإصدار — تخطيط الانتباه، ووصفة التكميم، ونواة Metal المخصصة، ومحرك الاستدلال — يتفرع عن تلك النسبة الواحدة. أُطلق Flint في 21 أكتوبر 2026 بموجب Apache 2.0، ما يجعله عمره يوم واحد وقت الكتابة وداخل النافذة التي لا يزال فيها الإطلاق خبرًا لا تاريخًا. ولأن جدول معايير عمره يوم واحد وعدٌ لا قياس، نحتفظ بسجل الإنتاج منفصلًا: the AI Incident Archive يوثّق كيف صمدت ادعاءات النماذج والمزوّدين بعد أن بدأت تخدم حركة مرور حقيقية.

النسخة المختصرة لمن يقرر الآن: إنه نموذج خليط خبراء متناثر صُمّم ليكون أسرع شيء في فئته الوزنية على حاسوب محمول، وينشر ثلاثة درجات للبرمجة الوكيلية كلها مُبلّغ عنها من المورّد وغير مُعاد إنتاجها، وهو أول نموذج من شركة هدفها المعلن أتمتة البحث الذي يبني النماذج. كل هذه الحقائق الثلاث مهمة، والثالثة هي التي ستظل مثيرة للاهتمام بعد عام.

ما الذي تم شحنه فعليًا

أربعة مستودعات، لا واحد. المستودع الرئيسي RecursiveSI/flint يحتوي على نقطة التحقق BF16، والإعدادات، والمُرمِّز، وقالب الدردشة، وحزمة خدمة SGLang، وقد أُنشئ في 21 أكتوبر 2026 الساعة 14:20 UTC. وبجانبه ثلاثة متغيّرات مُكمَّمة، جميعها مؤرخة في فترة ما بعد ظهر اليوم نفسه: إصدار int4 بصيغة safetensors، وint4 GGUF، وNVFP4 GGUF. وقد قِيس كل حجم أدناه من قوائم الملفات الخاصة بالمستودعات نفسها، بدلًا من نقله عن الإعلان.

• مرجع BF16 — 79.59GB موزعة على 37 ملفًا، ضمن 15 جزءًا من safetensors بحجم يقارب 5.37GB لكل جزء. هذا هو ناتج الضبط الدقيق، وهو الملف الذي لا ترغب في تنزيله لأغراض الاستدلال.

• NVFP4 GGUF — ‏22.86GB في ملف واحد، أصغر بناء استدلال كامل منشور.

• Int4 GGUF — 25.99GB، تكميم q4_1 أكبر من ملف NVFP4، وهو عكس ترتيب التسمية ويجدر معرفته قبل أن تختار حسب اسم الملف.

• Int4 safetensors — 22.58GB، لبيئات التشغيل التي تفضّل الأوزان المُجزّأة على ملف GGUF واحد.

الترخيص هو Apache 2.0، مع إضافة بطاقة النموذج التمييزَ بأن شروط واجهة برمجة التطبيقات المستضافة وممارسات البيانات منفصلة عن ترخيص الأوزان — وهو الفصل المعتاد، مذكورًا بوضوح بدلًا من أن يكون مدفونًا.

تمثل البنية حجةً حول عرض النطاق الترددي للذاكرة.

على حاسوب محمول، لا يُعد فك ترميز رمز واحد مشكلة حسابية في الأساس. بل هو مشكلة نقل الأوزان من الذاكرة إلى وحدات الحساب بسرعة كافية، ولهذا يكون نموذج كثيف ذو 40 مليار معامل بطيئًا مهما كانت الشريحة جيدة: فكل رمز يقرأ كل وزن. أما حل Flint فهو ألا يقرأ منها تقريبًا أي شيء.

• التناثر — 256 خبيرًا موجّهًا لكل طبقة MoE مع اختيار 6 لكل رمز، إضافةً إلى خبير مشترك نشط دائمًا. من أصل 49 طبقة، هناك 2 كثيفة و47 MoE، لذا فكل الطبقات عدا الأوليين تقوم بعمل شرطي.

• المعلمات النشطة — 39.8B إجمالًا، ونحو 2.5B نشطة لكل رمز عند احتساب رأس الإخراج، ومن هنا جاءت التسمية "40B-A2.5B". أما الجسم النشط وحده فحوالي 2.2B.

• الانتباه — 35 طبقة نافذة منزلقة بنافذة من 513 رمزًا (الرمز الحالي بالإضافة إلى 512 رمزًا سابقًا) متداخلة مع 14 طبقة انتباه كامل. لا يوجد سوى 32 رأس استعلام و4 رؤوس مفتاح-قيمة، ببُعد رأس 128، لذا تظل ذاكرة KV المؤقتة صغيرة بما يكفي لجعل جلسات الوكيل الطويلة عملية.

• ترميز الموضع — تضمينات دورانية على طبقات النافذة المنزلقة ولا شيء على الإطلاق على طبقات الانتباه الكامل، وهو خيار تذكره بطاقة النموذج دون تفسير. ويعمل تطبيع RMSNorm الخاص بـ QK لكل رأس، ومصارف الانتباه المتعلَّمة لكل رأس، على أداء مهمة الاستقرار التي يشاركها ترميز الموضع عادةً.

• السياق — 262,144 رمزًا موثّقًا، وبطاقة النموذج صريحة في أن هذا يغطي المطالبة والمخرجات المولدة معًا. يعلن الإعلان عن «حتى 512k» ثم يوصي بالبقاء ضمن 256k للبرمجة. كلتا العبارتين من المورّد نفسه، ويفصلهما فقرة واحدة.

التفصيل المثير للاهتمام هو كيفية اختيار هذا الشكل. تقول Recursive إنّ Eureka Machine الخاصة بها — وهي حلقة بحثية آلية تقترح الأفكار وتنفّذها وتختبرها وتدمج ما ينجح منها — انطلقت من نموذج أساسي بحجم 35 مليار معامل، منها 3 مليارات نشطة، وبحثت عبر تهيئات الخبراء وعروضها. وكانت تهيئة 40B/2.5B التي أسفرت عن ذلك، بعبارة الإعلان نفسه، "متوقَّعاً أن تقدّم أفضل مزيج من السرعة وأداء البرمجة بين التهيئات التي اختبرتها Eureka Machine لدينا". متوقَّعاً، لا مُثبتاً عبر مقارنة تنافسية بين نماذج مكتملة. وهذه طريقة طبيعية لاختيار معمارية عندما تكون جولات التدريب مكلفة، وهي أيضاً ادعاء يمكن أن تناقضه نقطة تحقق لاحقة بهدوء.

الدرجات الثلاث، والحواشي السفلية المرافقة لها

تسجّل Flint نسبة 54.9% على Terminal-Bench 2.1، و89.7% على SWE-bench Pro v2، و74.2% على SWE-bench Verified. تظهر هذه الأرقام في بطاقة الطراز بوصفها تقييمات الإصدار، ولم ينشر أي طرف ثالث قياسًا لهذا الطراز — فمؤشر النماذج Artificial Analysis، الحكم المستقل المعتاد لإطلاق كهذا، لا يتضمن أي مدخل لـ Flint على الإطلاق حتى 22 أكتوبر. لذا فكل ما يلي هو Recursive يقيس Recursive.

ما يكشف عنه المورّد بشأن منهجيته الخاصة يتجاوز ما تتطوّع به معظم منشورات الإطلاق، وهو يغيّر الطريقة التي ينبغي بها قراءة الأرقام:

• Terminal-Bench 2.1 — يُنفَّذ باستخدام إطار الاختبار Terminus 2، مع تفعيل الوصول إلى الإنترنت، وتُحتسب الحلول التي يتم الحصول عليها عبر استرجاع الويب حالات فشل. هذا التعديل الأخير يمثل عائقًا متعمدًا، وتشير بطاقة النموذج إلى أن الدرجات المنشورة من مطورين آخرين قد لا تطبقه، مما يجعل المقارنة المماثلة مع أرقام الأطراف الثالثة أصعب لا أسهل.

• SWE-bench Pro v2 وSWE-bench Verified — يُشغَّلان باستخدام mini-swe-agent ومن دون أي وصول إلى الإنترنت على الإطلاق، وهو إعداد أصعب من الوكلاء القادرين على البحث في الوثائق أثناء تنفيذ المهمة.

• المحاولات والمهلات الزمنية — متوسط pass@1 على مدى خمس محاولات على الأقل، مع مهلات زمنية للوكيل تصل إلى خمس ساعات. إن حساب المتوسط على خمس محاولات بروتوكول معقول؛ وتعني مهلات الخمس ساعات أن هذه درجات لوكيل ترضى بتركه يعمل، لا لأداة إكمال تلقائي.

• أخذ العينات — درجة الحرارة 1.0، وtop-p 0.95، وtop-k 20 في كل تقييم، وتطبّق مجموعة أدوات الخدمة هذه القيم الافتراضية عندما يغفل الطلب عنها.

جدول قياسات الأداء الخاص بالمورّد هو أيضاً بيان حول النظراء الذين اختارهم. ويقارن مخطط Recursive الخاص Flint بـ Qwen 3.5 وQwen 3.6 وQwen 3.8 وLaguna XS 21 وMuse Glimmer وGemma 4 — نماذج محلية تناسب عتاداً مشابهاً، وهي مجموعة النظراء الصادقة لنموذج حاسوب محمول، وهي أيضاً مجموعة مختارة لتجعل حجة التخلخل تبدو جيدة. والادعاء المطروح ضيق وقابل للدفاع عنه: يتصدر Flint نماذج MoE التي تقل معلماتها الإجمالية عن 50 ملياراً في البرمجة الوكيلية، وينافس النماذج الكثيفة ذات 25 إلى 40 ملياراً بينما يعمل بسرعة أكبر بكثير. وهو ليس ادعاءً بشأن نماذج البرمجة الحدودية، ولا يقدّم Recursive ادعاءً من هذا القبيل — يقول الإعلان صراحةً إن Flint «قد يحتاج إلى توجيه أكثر من نماذج البرمجة المغلقة المصدر الأكبر التي اعتدت عليها».

السرعة: ما الذي تُقاس عليه فعليًا نسبة 2×

تذكر Recursive أنها تحقق أكثر من 125 توكنًا في الثانية على جهاز MacBook Pro مزوّد بـ M4 Pro، وأكثر من 150 توكنًا في الثانية على وحدة NVIDIA RTX Spark بسعة 64GB في السياقات القصيرة، وتصف ذلك بأنه أسرع بما يصل إلى ضعفين من النماذج المماثلة، وأسرع بأكثر من خمسة أضعاف من النماذج الكثيفة ذات 25 إلى 40 مليار معامل التي لها درجات برمجة مشابهة. حاشية المنهجية في مخطط السرعة هي الجزء الجدير بالقراءة: متوسط التوكنات في الثانية طوال جلسة من 128,000 توكن، مع استبعاد التعبئة المسبقة prefill، مع قياس أحد المنافسين عند 124 ألفًا بدلاً من الطول الكامل.

استبعاد التعبئة المسبقة (prefill) ممارسة معيارية في قياس أداء فك الترميز، ولا يزال ذلك مهمًا هنا، لأن التعبئة المسبقة هي بالضبط حيث يستهلك وكيل البرمجة وقته عندما يُفرغ مستودعًا في نافذة السياق. أي رقم لا يقيس سوى نصف فك الترميز من جلسة بسعة 128k سيجعل أي نموذج ذي تنشيط متناثر يبدو أفضل مما هو عليه، وتصميم Flint بأكمله قائم على التنشيط المتناثر. لا شيء من ذلك يجعل الرقم خاطئًا. إنه يجعله رقم فك ترميز، وينبغي مقارنته بأرقام فك ترميز أخرى بدلًا من مقارنته بالمدة التي يستغرقها وكيلك لإنهاء مهمة.

وصفة التكميم هي الجزء الأكثر قابلية للنقل.

معظم مقالات التكميم تدور حول مقدار الدقة المفقودة. أما هذا المقال فيدور حول قرار سار في الاتجاه المعاكس للعُرف المألوف.

قامت Recursive بتكميم طبقة الإخراج — lm_head — إلى 4 بتات. وهذا يخالف الممارسة الشائعة، والسبب خاص بالنماذج المتفرقة: فمع وجود 2.5 مليار معامل نشط فقط، تشكّل طبقة الإخراج حصة كبيرة من الأوزان التي تُقرأ لكل رمز مفرد، لذا فإن إبقاءها عند 16 بت يحدّ من السرعة القصوى الممكنة للنموذج. واستعادة الدقة تطلّبت مرحلة تقطير دون اتصال يتدرّب فيها النموذج المكمَّم على استجاباته الخاصة التي سبق أخذ عينات منها من مجموعة أساسية (coreset) اكتشفها بنفسه، مع استخدام النموذج 16 بت معلّمًا — وهي إعداد تقول Recursive إنه كاد يخفض خطوات التدريب إلى النصف مقارنةً بخط أساس التدريب الواعي بالتكميم لديها.

النتيجة المنشورة هي أن نموذج NVFP4 النهائي يسجّل ضمن 0.7 نقطة من نموذج 16-بت عبر مجموعة الاختبارات. هذا ادعاء من المورّد، وهو من نوع الادعاءات التي يسهل التحقق منها لاحقًا ويصعب تزييفها، مما يجعله ادعاءً مفيدًا لمحاسبتهم عليه. والنتيجة العملية هي أحجام الملفات أعلاه: تنزيل بحجم 22.86GB يشغّل نموذجًا بـ39.8 مليار معامل على جهاز بذاكرة موحدة سعتها 48GB.

على Apple Silicon توجد طبقة ثانية لذلك. أنتجت آلة Eureka من Recursive نوى متخصصة للإسقاطات منخفضة البتات، وعمليات MoE، والانتباه، ومعالجة المطالبات، بما في ذلك نواة Metal ضخمة تدمج كامل تمرير فك التشفير الأمامي في إيفاد واحد على شرائح M4 وM5. إن دمج تمرير فك التشفير هو نوع التحسين الذي لا يثمر إلا عندما تتحكم في بنية النموذج وصيغة التكميم والنواة معًا — وهي الأطروحة الفعلية لهذا الإصدار، أكثر من أي رقم قياسي منفرد.

كيف تشغّلها، وما الذي يكلّفك إياه كل مسار

هناك سيناريوهان مختلفان للنشر، ولا يمكن استبدال أحدهما بالآخر.

• وحدات GPU للخادم — تأتي نقطة التحقق BF16 مع مجموعة أدوات تقديم SGLang تستهدف B300 واحدة أو H200 واحدة لكل نسخة متماثلة، وتتيح نقطة نهاية متوافقة مع OpenAI على المنفذ 30000 باسم الطراز flint، وتتضمن عميلاً نموذجياً للاستدلال واستدعاءات الأدوات. هذا هو المسار المدعوم الوحيد للأوزان كاملة الدقة؛ وتنص بطاقة الطراز صراحةً على أن شيفرة النمذجة الخاصة بـ Transformers غير مضمنة بعد.

• الأجهزة المحلية — llama.cpp وOllama وUnsloth وLM Studio وvLLM وSGLang كلها مذكورة كمدعومة، وهو نطاق واسع على نحو غير معتاد بالنسبة لطراز في يوم إطلاقه، ويمثل الفرق بين نقطة تحقق ومخرَج قابل للاستخدام.

• rec هو محرك الاستدلال الخاص بـ Recursive، ويُثبَّت في ~/.local/bin، ويتطلب M4 Pro أو M5 Pro أو M5 Max بذاكرة موحدة لا تقل عن 48GB ونحو 30GB من مساحة القرص الحرة، ويوفر محليًا واجهة API متوافقة مع OpenAI. يدّعي README الخاص به أن إنتاجية الرموز تبلغ من 1.4× إلى 2.6× إنتاجية llama.cpp على M4 Pro بأوزان 4-بت، عبر مطالبات يتراوح طولها من 1,000 إلى 252,000 رمز مع 1,024 رمز إخراج، وخمس تشغيلات لكل طول سياق، دون احتساب prefill. وهو مُحسَّن صراحةً للاستخدام بجلسة واحدة — إذا شغّلت عدة وكلاء في الوقت نفسه، فستوجّهك الوثائق إلى مكان آخر.

ملاحظات عملية تحدد ما إذا كانت الجلسة ستسير على نحو جيد: نافذة السياق مشتركة بين الموجّه والمخرجات، وتتطلب المسائل الصعبة ميزانية مخرجات لا تقل عن 32,768 رمزًا بما في ذلك الاستدلال، ويجب الحفاظ على reasoning_content المُعاد في سجل المحادثة وإلا تدهور استخدام الأدوات متعدد الأدوار. إن إرشادات Recursive نفسها للمهام المعقدة هي تقسيم العمل إلى مهام فرعية أصغر مع تعليمات صريحة، وهي نصيحة صادقة تُقرأ أيضًا كوصف لسقف النموذج.

ما الذي لم يثبت بالفعل؟

ثلاثة أشياء، بترتيب تنازلي وفق مدى ما ينبغي أن تؤثر به في القرار.

الأول هو القياس المستقل. لا يوجد أي منه. ليست درجة منخفضة على لوحة صدارة، ولا درجة متنازعًا عليها — فلا يوجد بعد أي تقييم من طرف ثالث لـ Flint، والأرقام الوحيدة المتداولة هي أرقام المورّد، التي أُنتجت بخيارات أدوات الاختبار الخاصة بالمورّد وتعديل المورّد للاسترجاع من الويب. المنهجية مُفصح عنها بما يكفي لتدقيقها، وهو أقصى ما يمكن طلبه في اليوم الأول، لكن الإفصاح ليس تحققًا.

الثاني هو ما إذا كان نموذجٌ يضم 2.5 مليار معامل نشط يصمد في الأعمال طويلة الأفق التي وُجد وكلاء البرمجة فعلاً من أجلها. يسمح بروتوكول الاختبار بخمس محاولات ومهلات زمنية مدتها خمس ساعات، وهو هامش سخي؛ فالنموذج الذي يحتاج إلى عدة محاولات وحرية كبيرة قد يسجل نتيجة pass@1 جيدة بينما يبدو غير موثوق به داخل المحرر. وتحذير Recursive نفسه من أنه يحتاج إلى توجيه أكثر مما تحتاجه النماذج المغلقة الأكبر يشير إلى الأمر ذاته.

الثالث هو البحث عن البنية نفسه. إن التكوين الذي يُتوقَّع أن يكون الأفضل بين تلك التي اختبرها نظام آلي هو فرضية حول جولة تدريب، وليس نتيجةً حول نموذج مكتمل. وإذا كانت توقعات Eureka Machine صحيحة، فهذا قالب ستنسخه فرق صغيرة أخرى. وإذا كانت صحيحة تقريبًا، فإن نقطة التحقق التالية تتحرك وتتغير النسبة.

أين يتناسب هذا إذا كانت حزمة الوكلاء لديك نصف محلية فقط

سبب أهمية نموذج مثل Flint هو أنه يحذف بندًا واحدًا من الفاتورة، وليس كل البنود. يتولى الاستدلال المحلي العمل الذي يمكنك تشغيله على جهازك، ولا يفعل شيئًا للعمل الذي لا يمكنك تشغيله — مهمة السياق الطويل التي لن تتسع، والدفعة المفاجئة التي تتجاوز قدرة حاسوب محمول واحد، والمهمة التي يكون فيها نموذج أكبر أفضل ببساطة. وهذا يترك معظم الفرق تشغّل نظامين.

OrcaRouter هو النصف المستضاف من ذلك الترتيب، وللتوضيح بشأن الحدود: نحن لا نقدّم Flint، ولا شيء في هذا المقال يمثل عرضًا ترويجيًا لنقطة تحقق نستضيفها. Flint هو تنزيل من Recursive، وليس نقطة نهاية تابعة لنا. ما نفعله هو وضع واجهة API واحدة أمام أكثر من 200 نموذج مستضاف بسعر القائمة الخاص بالمزوّد نفسه دون إضافة أي هامش ربح، وتوجيه الطلبات عبرها باستخدام سلسلة احتياطية مبنية على الإعدادات، والتبديل تلقائيًا عند الفشل عندما يتعطل مزوّد أثناء الطلب. إذا أردت مقارنة قيمة تشغيل Flint محليًا بنموذج مستضاف من نوع خليط الخبراء بحجم مماثل — يمكن استدعاء كل من Qwen3.6-35B-A3B وGemma 4 26B-A4B عبر هذا المفتاح الواحد — فإن المقارنة تكلّف طلبًا واحدًا بدلًا من عملية نشر.

القراءة المعقولة

فلينت إصدار حقيقي له مركز ثقل محدد وغير معتاد. لم تُصدر Recursive أقوى نموذج برمجة كان بإمكانها تقديمه؛ بل أصدرت أسرعه الذي أمكنها بناؤه بحجم يتّسع على حاسوب محمول، ثم نشرت حزمة تكميم ونوى مصممة لجعل هذه الميزة تصمد عند التعامل مع أوزان 4 بت. إن نسبة 54.9% على Terminal-Bench 2.1 و89.7% على SWE-bench Pro v2 أرقام قوية لنموذج متناثر ذي 40 مليار معامل، وهي في الوقت الحالي أرقام المورّد وحدها.

ما يجعل الأمر يستحق المتابعة بدلًا من مجرد تنزيله هو المنهجية الكامنة وراءه. الفريق الذي يقول إن حلقة بحث آلية هي التي اختارت البنية ووصفة التكميم والنوى الحاسوبية يقدّم ادعاءً عن عملية، لا عن نموذج، والعمليات قابلة للاختبار على نحو لا تكون فيه معايير الأداء عند الإطلاق قابلة للاختبار: فالإصدار التالي إما أن يصدر أسرع وأفضل أو لا. وFlint هو أول نقطة بيانات في هذه الحجة، وقد صدر بترخيص متساهل بما يكفي ليتمكن أي شخص من فحص الأوزان بنفسه.

إذا كانت لديك ذاكرة موحّدة بسعة 48GB وجهاز Apple Silicon، فإن كلفة اكتشاف الأمر هي تنزيل بحجم 22.86GB وقضاء فترة بعد الظهر. أما إذا لم يكن لديك ذلك، فالموقف الصادق هو الانتظار حتى أول تقييم مستقل، لأن جدول قياسات مضى عليه يوم واحد هو وعد وليس قياسًا.